Vara Kumar Namburu, medgrundare och chef för FoU, Whatfix – Intervjuserie

Vara Kumar är medgrundare och chef för FoU och lösningar på Whatfix, där han driver innovation och strategisk tillväxt för företaget. Han grundade Whatfix tillsammans med Khadim Batti 2014 med visionen att ge individer och organisationer möjlighet att arbeta symbiotiskt med teknik för att maximera sin potential. Med bas i USA leder Vara företagets multiproduktstrategi och vision för produktutveckling och antagande, teknikutveckling och innovation, vilket hjälper till att påskynda framgångsrika integrationer för kunder och partners. Under Varas ledning har företaget banat väg för “användarifiering”, en banbrytande approach som flyttar fokus från att kräva att användare anpassar sig till tekniken till att göra tekniken anpassad till användarna. Han är passionerad för att bygga teknik som användare älskar.

Whatfix är en digital anpassningsplattform som hjälper organisationer förbättra programvaruantalet och användarproduktivitet genom att infoga in-app-vägledning, genomgångar, verktygshjälp och självbetjäningsstöd direkt i företagsapplikationer. Byggande på detta introducerar Whatfix AI intelligenta, kontextuella agenter som Authoring, Guidance och Insights som automatiserar innehållsskapande, levererar realtidsstöd i appen och omvandlar användningsdata till agerbara insikter. Tillsammans strömlinjeformar Whatfix och Whatfix AI onboarding, minskar utbildningsfriktion och optimerar arbetsflöden samtidigt som de säkerställer tillsyn, ansvar och dataskydd.

Du grundade Whatfix för över ett decennium sedan efter att ha byggt din karriär inom företagsteknik. Vad inspirerade dig att starta företaget, och hur har din ursprungliga vision utvecklats med AI:s uppgång?

Min karriär började på Huawei Technologies, där jag arbetade som systemarkitekt och mötte min framtida medgrundare, Khadim Batti. Vårt första företag tillsammans var SearchEnabler, en SEO-plattform för små och medelstora företag. Trots att vi byggde en solid lösning upptäckte vi ett grundläggande problem: användare kunde inte utnyttja plattformens funktioner fullt ut. Även när vi lade till en “Fixa det”-knapp för vägledning insåg vi att problemet inte bara handlade om SEO, utan om att göra teknik tillgänglig för användare.

Denna insikt ledde oss till att etablera Whatfix 2014. Vår kärntro var revolutionerande för sin tid: istället för att tvinga människor att anpassa sig till tekniken skulle vi göra tekniken anpassad till människor. Vi kallade detta “användarifiering”, som säkerställer att programvara blir intuitiv, driver antagande och maximerar påverkan.

AI har förstärkt denna mission exponentiellt. Från och med vår förvärv av Airim 2019 har vi integrerat AI i varje produkt vi bygger. Idag är vi inte bara med och skapar användarvänlig programvara, utan vi bygger intelligenta system som lär sig, resonerar och agerar i stor skala. Vår vision har utvecklats från enkel användaranpassning till att bygga riktigt människocentrerad AI som förvandlar hur arbete utförs inom företag.

Många studier visar att de flesta AI-piloter misslyckas eftersom slutanvändare inte vet hur de ska tillämpa tekniken i sitt dagliga arbete. Från din synvinkel, vad är de grundläggande orsakerna till denna anpassningsklyfta?

Jag ser två grundläggande hinder som blockerar framgångsrik AI-antagning. Det första är vad jag kallar överbelastning, där stora företag drunknar i tusentals applikationer, var och en med sina egna AI-funktioner. Användare står inför beslutsparalyser om vilket verktyg som ska användas för vilket syfte, vilket skapar friktion som dödar momentum och eliminerar ROI.

Det andra hindret är förtroende. IT-chefer och CIO:er behöver försäkran om att AI-system upprätthåller säkerhetsstandarder, följer regler och fungerar utan fördomar. När organisationer oroar sig för dataintrång, AI-hallucinationer eller styrningsmisslyckanden tvekar de att skala bortom pilotprogram.

Framgång kräver att AI införs direkt där människor arbetar. Genom vår ScreenSense-teknik analyserar vi vad användare gör och vad de försöker uppnå, och sedan levererar vår Guidance Agent kontextuella rekommendationer och nästa bästa åtgärder över deras befintliga system. Denna approach eliminerar gissningar, multiplicerar engagemangsraten och ger omedelbar värde till användare som annars kan motstå ny teknik.

Whatfix nya AI-agenter är byggda kring konceptet “användarifiering”. Kan du förklara vad detta innebär och hur det skiljer sig från traditionella tillvägagångssätt för digital anpassning?

Användarifiering representerar en grundläggande förändring i hur vi tänker på teknikutveckling. Istället för att utbilda människor att anpassa sig till programvarubegränsningar konstruerar vi lösningar som anpassar sig till mänskligt beteende och behov. Varje beslut vi fattar prioriterar användarupplevelsen, med målet att överträffa förväntningar samtidigt som vi levererar konkret affärsvärde.

Traditionell anpassning följer en modell där alla passar i en storlek: distribuera utbildning, hoppas på det bästa och skylla på användare när anpassningen stannar av. Användarifiering tar den motsatta approachen. Vi använder AI för att skapa personlig, kontextkänslig vägledning som utvecklas med varje användares roll och situation. Våra lösningar lär sig av användarinteraktioner och anpassar sig därefter.

Vad som gör detta särskilt kraftfullt är vår feedback-drivna utvecklingsprocess. Kundsvar formar direkt mer än hälften av vår produktväg, vilket säkerställer att vi löser faktiska arbetsplatsutmaningar snarare än teoretiska problem. Detta skapar en människocentrerad filosofi där AI-agenter eliminerar friktion så att människor kan fokusera på strategiskt, kreativt och högpresterande arbete snarare än att kämpa med teknik.

Vår omfattande teknikstack – som omfattar Digital Anpassningsplattform (DAP), Produktanalys och Mirror – driver företagsomfattande teknikanpassning genom intelligent dataanalys som påskyndar distributionen av både traditionell programvara och framväxande AI-lösningar. Vi har vävt in AI-funktionalitet i hela plattformen, inklusive konversationsanalysgränssnitt och känsloriktiga utlösare, vilket möjliggör för organisationer att avkoda användarmönster, finslipa sin anpassningsstrategi och uppnå kvantifierbara affärsresultat.

ScreenSense beskrivs som kärnan i era nya AI-agenter, som tolkar både användarkontext och avsikt. Hur fungerar denna teknik i praktiken, och hur säkerställer den relevans utan att överväldiga användare?

ScreenSense fungerar som en intelligent tolk, som samtidigt analyserar applikationsmiljön (vad som händer på skärmen) och användarmål (vad någon försöker uppnå). Denna dubbla medvetenhet möjliggör realtidsrekommendationer som är både tekniskt korrekta och personligt relevanta.

I praktiken använder våra AI-agenter – Authoring, Insights och Guidance – ScreenSense för att leverera precision och kontextuell vägledning i deras assistans. Snarare än att bombardera användare med generiska förslag eller kräva att de lär sig nya gränssnitt, förstår systemet deras omedelbara kontext och ger exakt den rätta hjälpen i exakt rätt ögonblick.

Nyckeln till att undvika användaröverbelastning är kontextuell filtrering. ScreenSense samlar inte bara in data; den bearbetar den informationen för att bestämma när intervention lägger till värde jämfört med när den skapar distraktion. Användare får vägledning som känns intuitiv och tidig snarare än intrusiv, eftersom systemet förstår både deras tekniska miljö och deras arbetsavsikt.

Kunde du gå igenom de tre nya AI-agenterna – Authoring, Insights och Guidance – och dela konkreta exempel på hur de förbättrar produktivitet i riktiga företagsflöden?

Vår Authoring Agent demokratiserar innehållsskapande genom att omvandla vardagsspråk till sofistikerade in-app-upplevelser. En utbildningschef kan enkelt säga “skapa en verktygshjälp för instrumentpanelens nya funktion”, och systemet bygger automatiskt innehållet, bestämmer målregler och tillämpar lämplig formatering. Denna effektiva arbetsflöde möjliggör för utbildnings- och utvecklingsteam, produktchefer och affärsstakeholders utan kodkunskaper att bygga komplexa in-app-stödelement, inklusive interaktiva överlagringar, steg-för-steg-guider och situationsbundet hjälpinnehåll i företagsskala, vilket i princip eliminerar de konventionella flaskhalsarna och de tekniska expertkraven som vanligtvis bromsar ner innehållsutvecklingsprocesser. Vi ser en 40 % snabbare innehållsutveckling idag, med 70 % effektivitetsvinster inom sikte.

Insights Agent omvandlar analys från en specialistfunktion till ett konversationsverktyg. Produktägare kan ställa naturliga frågor som “Vilka funktioner orsakar användarfrustration?” och få omedelbar visuell analys med specifika friktionspunkter och agerbara nästa steg. Denna metodik möjliggör för produktchefer och olika teambidragsgivare att snabbt upptäcka agerbar intelligens om användarengagemangsmönster och systemeffektivitet utan att kräva avancerade dataanalysfärdigheter, vilket i slutändan stöder deras förmåga att identifiera vilken funktionalitet som kräver förbättring eller som skulle dra nytta av förbättrade anpassningsinitiativ.

Vår Guidance Agent levererar omedelbara svar inom användarnas aktiva arbetsflöden. När någon söker efter “godkännandeprocessundantag” medan de bearbetar beställningar, får de exakt, kontextuell information från intern dokumentation utan att lämna sin nuvarande applikation. Denna metodik revolutionerar hur företagsanställda får tillgång till information genom att signifikant minska svarstider och reducera beroendet av hjälpdesksresurser, vilket möjliggör för dem att få nödvändig klarhet utan att avbryta sina nuvarande uppgifter, navigera i omfattande dokumentation eller skapa supportbiljetter, och därmed behåller sin koncentration och effektivitet inom sina aktiva arbetsflöden.

Över 300 kunder distribuerar redan dessa agenter i produktionsmiljöer och ser en fördubbling och trefaldig av engagemangsraten.

Från din erfarenhet, vad är de bästa metoderna som skiljer organisationer som lyckas med GenAI-antagning från de som misslyckas?

Lyckad GenAI-antagning kräver två grundläggande element: smidig integration och ansvarsfull styrning. Organisationer som lyckas integrerar AI-kapacitet direkt i befintliga arbetsflöden snarare än att införa separata verktyg som skapar ytterligare komplexitet.

De mest framgångsrika organisationerna fokuserar på omedelbar användarvärde snarare än imponerande tekniska demonstrationer. De löser specifika arbetsflödesproblem som människor står inför dagligen, vilket säkerställer att AI blir en produktivitetsförstärkare snarare än ett system att bemästra. Dessa företag investerar också i nya roller som AI-tillsynspersoner som upprätthåller mänsklig tillsyn för att säkerställa att system förblir precisa, rättvisa och kontinuerligt förbättras.

Organisationer som kämpar behandlar vanligtvis AI som ett tekniskt projekt snarare än en användarupplevelseomvandling. De fokuserar på distributionsmått snarare än anpassningsresultat och misslyckas med att hantera förtroende- och komplexitetsbarriärer som förhindrar skalning.

Företag investerar alltmer i AI-verktyg över hela programvarustacken. Hur ser du på rollen för anpassningsplattformar som Whatfix utvecklas när denna trend accelererar?

När AI-spridningen accelererar blir anpassningsplattformar den kritiska orkestreringslagret som förhindrar företagskaos. Utan enad vägledning riskerar organisationer att skapa flera överlappande funktioner som förvirrar användare och slösar bort investeringar.

Whatfix är den intelligenta ryggraden som kopplar planering, distribution, anpassning och optimering över hela företagsprogramvarans livscykel. Vår plattformssvit kombinerar Digital Anpassning, Produktanalys och Mirrors simuleringsförmåga för att skapa data-drivna anpassningsstrategier som fungerar för både traditionell programvara och framväxande AI-distributioner.

Vi expanderar bortom våra nuvarande erbjudanden till AI-nativa lösningar, inklusive Seek, Assistant och AI Roleplay. Dessa kombinerar intelligent automatisering med adaptiv utbildning för att skapa omfattande anpassningsupplevelser. Målet är att bli det förenade intelligensskiktet som maximerar ROI över varje teknisk investering som ett företag gör.

Snarare än att hantera enskilda verktyg behöver organisationer plattformar som förstår den fullständiga teknikekosystemet och kan guida användare genom alltmer komplexa landskap med tillförlitlighet och effektivitet.

Om du ser framåt har Whatfix talat om en framtid där digitala lösningar självkorrigering och personifieras i realtid. Vilka milstolpar ser du som mest kritiska för att nå denna framtid?

Vår roadmap fokuserar på att etablera Whatfix som världens ledande AI-plattform för användarifiering av företagsteknik. Detta kräver att uppnå tre sammanhängande milstolpar under de kommande fem åren.

Först skalar vi vår AI-agentdistribution från den nuvarande kundbasen på 300+ till standardimplementation över alla Whatfix-engagemang. Dessa agenter kommer att bli det standardiserade sättet som miljontals företagsanvändare navigerar komplexitet och accelererar sina dagliga arbetsflöden.

Sedan bygger vi omfattande AI-första produktfunktioner bortom våra nuvarande Digital Anpassning, Analys och Mirror-erbjudanden. Lösningar som Seek, Assistant och AI Roleplay kommer att skapa den förenade intelligensinfrastruktur som företag behöver för fullständig teknisk livscykelhantering.

Tredje, vi strävar efter global kategoriledarskap genom att omdefiniera vad Digital Anpassning innebär i en AI-driven värld. Framgång innebär att vara erkänd som det företag som gjorde företags-AI riktigt tillgängligt och praktiskt för vanliga användare.

I slutändan är milstolpen att sätta människocentrerad, kontext- och avsiktmedveten AI i händerna på varje företagsanvändare. Om miljontals människor över branscher arbetar smartare och snabbare med mindre friktion tack vare Whatfix, då har vi uppnått vår grundläggande mission.

Med företag som balanserar snabb AI-antagning och anställdas förtroende, vilka risker ser du om användarcentrerade tillvägagångssätt inte tas på allvar?

Den primära risken är anpassningsmisslyckande i stor skala. Utan användarcentrerad design står företag inför samma förtroendeproblem som vi ser idag, oro för dataintrång, AI-hallucinationer och styrningsmisslyckanden. Dessa problem skapar organisatoriskt motstånd som förhindrar skalning bortom pilotprogram, vilket i praktiken slösar bort AI-investeringar.

Komplexitetskrisen kommer också att förvärras. När varje applikation lägger till AI-kapacitet utan att överväga användarupplevelsen kommer anställda att stå inför alltmer fragmenterade arbetsflöden och beslutsparalyser. Detta leder till produktivitetsminskning snarare än de effektivitetsvinster som AI lovar.

Kanske mest kritiskt riskerar organisationer att skapa AI-motståndskulturer där användare aktivt undviker nya funktioner eftersom tidigare implementationer skapade friktion snarare än värde. När användare förlorar förtroendet för AI-verktyg kräver återuppbyggnad av det förtroendet betydligt mer ansträngning och resurser.

Slutligen, hur stannar du personligen före kurvan när det gäller att förstå både de tekniska och mänskliga sidorna av företags-AI-antagning?

Vår organisationsapproach ger en värdefull perspektiv på båda dimensionerna. Vi har integrerat AI i alla våra affärsverksamheter, från säljteam som använder AI för prospekteringsberikning till våra intelligenta söksystem som kopplar anställda till interna kunskapsbaser. Produktteam använder AI-agenter som arbetsflödesco-piloter, vilket ger oss första handserfarenhet av de utmaningar som våra kunder står inför.

Vi har också implementerat omfattande arbetsstyrkeutveckling genom våra AI-laboratorier och Zero-Click-ramverk, där varje mjukvaruutvecklare lär sig att tänka som en AI-utvecklare. Detta skapar en organisationsomfattande litteracitet som informerar både vår tekniska utveckling och vår förståelse av användaranpassningsmönster.

Viktigast av allt förblir vår produktutvecklingsprocess djupt rotad i kundsvar, med över hälften av vår vägkarta formad av verkliga företagsutmaningar. Denna kontinuerliga dialog säkerställer att vi förstår inte bara vad som är tekniskt möjligt, utan vad som verkligen skapar värde för de människor som använder dessa system dagligen.